AI界隈で人気となっている1万語の記事だが、ルカン氏はタイトルが面白すぎると述べ、著者は「議論へようこそ」とツイートした。

AI界隈で人気となっている1万語の記事だが、ルカン氏はタイトルが面白すぎると述べ、著者は「議論へようこそ」とツイートした。

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載しています。転載の際は出典元にご連絡ください。

ルカン氏の発言は、新たな口論を引き起こす可能性が高い。

このタイトルはあまりにも間違っていて笑えます。

彼が話していた記事とは、まさに「ディープラーニングは壁にぶつかろうとしている」という記事であり、最近その界隈で白熱した議論を巻き起こしている。

記事が公開されて以来、数日のうちにTwitter上で何百ものリツイートといいねを獲得しました。

賛成する人もいれば反対する人もいたが、本当に人々を怒らせたのは、Facebook での Lecun 氏のこのコメントだった。

この結果、ゲイリー・マーカス自身がツイッターで直接「挑戦状をたたき」、「あなたの意見を表明してください。私は耳を傾けます」と発言した。

そしてほんの数時間前、彼は2018年にルカン氏が表明した意見も投稿した。

当時、ルカン氏はこれら 10 の問題の多くが間違っていると考えていたことが強調されており、現在でもこれらの問題は解決されていないようです。

しかし、ルカン氏はまだ反応していない。

この記事には具体的に何が書いてあるのでしょうか?

まず、ゲイリー・マーカスがこの記事で具体的に何について語っているのかを見てみましょう。

一般的に言えば、全文は次の 2 つの部分に分けられます。

  1. ディープラーニングは現在大々的に宣伝されていますが、実際には大まかな計算にしか適していません。
  2. ディープラーニングは開発の方向性を調整し、シンボリック処理と組み合わせる必要があります。

著者は、ヒントンが2016年に行った議論に言及することから始めます。

AIは5年以内に放射線科医に取って代わるでしょう。

これまでのところ、この大胆な発言は実現されていない。

実際、AI の応用には多くの障害が伴います。

例えば、医療AIを代表するIBM Watsonが分割・売却されたり、GPT-3などの言語モデルに誤った値が出たり、無人運転による事故が多発したり……。

著者は、高精度が求められる結果を出力する場合、ディープラーニングのパフォーマンスが十分でないことが多いと考えており、上記の 3 つのシナリオは、その最良の証拠です。

さらに、ディープラーニングはスケーリングの限界に直面しており、モデルをさらに拡張することのメリットはもはや明らかではありません。

逆に、画像認識など大まかな結果のみが求められる場面では、ディープラーニングが適しています。

この点に関して、著者は自身の見解を述べています。

ディープラーニングは記号処理と組み合わせる必要がある  (記号操作)を組み合わせたもの。

シンボル処理は、バイナリ ビット文字列を使用して複雑なアイデアを表現するなど、コンピューターの内部コーディングとして考えることができます。

なぜこのような結論に至ったのですか?ここで著者は例を挙げています。

Meta が開始した NetHack チャレンジ コンテストでは、AI が 1:3 のスコアでゲーム システムに負けました。

実は、これは 1987 年にリリースされたシングル プレイヤーのダンジョン探索ゲームで、マップは ASCII 文字でエンコードされています。

著者は、AI がゲームに負ける主な理由は、ゲームごとに新しいマップが再生成されるため、プレイヤーはマップを暗記するだけでは勝てず、ゲーム内のさまざまな記号を理解し、それらの関連性を見つけ出す必要があると考えています。

彼はまた、マッカーシーやミンスキーといった業界の先駆者の見解を引用し、独立した実体や抽象的な概念を表すシンボルを使用して、シンボル処理によって精密な人工知能プログラムを構築できると信じていた。

しかし、純粋な記号システムは、画像認識や音声認識のタスクでは十分なパフォーマンスを発揮しません。

そして、これこそがニューラル ネットワークが得意とするところです。

著者は、Google 検索の自動スペル修正がニューラル ネットワークと記号処理の組み合わせの最良の例であると述べました。

実際、この地域での探査は一度も止まったことはありません。

たとえば、最も有名な AI である AlphaGo は、シンボリックツリー探索とニューラルネットワークを組み合わせたシステムです。

また、IBM、Intel、Google などのテクノロジー大手も、長年にわたってこの分野で積極的な探求を続けています。

ネットユーザー:ルカンはただ冗談を言っているだけかもしれない

数万語に及ぶこのような長い記事は、公開されるとすぐにインターネット上で大きな騒動を引き起こした。

一方、多くの学術界のリーダーたちがこの記事を転送する一方で、ゲイリー・マーカス氏の見解に疑問を抱く人も多くいる。

ディープラーニングは壁にぶつかったのではなく、むしろ過渡期にあると主張する人もいます。

自分の意見を生き生きと表現するために漫画を使う人もいます。

一方、ゲイリー・マーカンズを支持する人々はこう語った。

彼はハイブリッドモデルを提案したばかりですが、それで何が悪いのでしょうか?

また、ゲイリー・マーカスがルカン氏に「挑戦」したツイートに対して、落ち着くようにアドバイスする人もいた。

たぶん、ルカンはただ冗談を言っていたのでしょう。

最後に、ゲイリー・マーカスについて知りましょう。

彼は、世界初の産業グレードの AI 認知エンジンを持つと主張するインテリジェントロボット企業 Robust.AI の創設者です。

ニューヨーク大学の名誉教授でもある。神経科学、遺伝学、進化心理学、AIなどの分野で多数の論文を発表しており、その多くはNatureやScienceに掲載されている。

同時に、彼は作家でもあり、その著作には『The Algebraic Mind』、『Kluge』、『The Birth of the Mind』などがある。

それで、この長い記事についてどう思いますか?

<<:  2022年、PyTorchはトップAIカンファレンスの80%を占める

>>:  南極の氷床データセットは火星ほど良くない?スタンフォード大学の研究者はドローンと機械学習を利用して、最も価値のあるデータを発掘することに取り組んでいる。

ブログ    

推薦する

人工知能の専門家:ディープラーニングは行き止まりではない

ディープラーニングは機械学習手法の一種であり、人工知能を実現するための重要な基盤です。最近、一部の学...

...

...

地球は思考しており、人間は単なるニューロンです。科学者は初めて「惑星知性」を提唱した

生態圏が進化すると、地球は独自の生命を獲得しました。惑星が独自の生命を持つことができるなら、独自の知...

トレンド: 2022 年の AI に関する 5 つの予測

2022年も、疫病やサプライチェーン危機などの悪影響は続くとみられ、AIに対する消費者の信頼獲得や気...

自動運転車の意思決定制御システム技術を分析した記事

自動運転システムは、環境認識、意思決定制御、行動実行を統合した総合的なシステムであり、車両と交通環境...

Langchain、ChromaDB、GPT 3.5 に基づく検索強化型生成

翻訳者|朱 仙中レビュー | Chonglou概要:このブログでは、検索拡張生成と呼ばれるプロンプト...

2021年なのに、出会い系アプリのアルゴリズムはなぜこんなにも悪いのでしょうか?

[[407925]]ビッグデータダイジェスト制作出典: Wiredパンデミックの間、出会い系アプリ...

現時点で最も包括的なPythonの採用方針

Pythonは、コンパイル速度が超高速なオブジェクト指向プログラミング言語です。誕生から25年が経ち...

駐車問題を解決する 3 つの最善の方法をご存知ですか?

近年、都市部の駐車場の問題はますます顕著になっており、混乱した駐車が頻繁に発生し、人々の移動や生活に...

「人工知能+教育」は教育の矛盾を解決するために、より包括的な方向に向かっている

「教育はデジタル化とネットワーク化からインテリジェンスへと変化しています。現在、人工知能はよりインテ...

...

AIビジュアルクロスワードパズルが大ヒット!モンローは180度回転して一瞬でアインシュタインになる。Nvidiaの上級AI科学者:最近最もクールな拡散モデル

AIが描いたマリリン・モンローが180°回転してアインシュタインに? !これは、最近ソーシャル メデ...

NVIDIA は、わずか 5 行のコードで画像を 3D モデルに変換する 3D ディープラーニング ツール Kaolin をリリースしました。

近年、3D コンピューター ビジョンと人工知能はともに急速に進歩していますが、両者の効果的な組み合わ...

...